算法效率
如何衡量一个算法的好坏呢?
我们将算法效率分为时间效率和空间效率,又被称为时间复杂度和空间复杂度。
时间复杂度:衡量一个算法的运行速度
空间复杂度:衡量一个算法所需要的额外空间
大O的渐进表示法
1、用常数1取代运行时间中的所有加法常数。
2、在修改后的运行次数函数中,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项目相乘的常数。得到的结果就是大O阶。
去掉了那些对结果影响不大的项,简洁明了的表示出了执行次数。
时间复杂度
例1:计算func2的时间复杂度?
void func2(int N) {
int count = 0;
for (int k = 0; k < 2 * N ; k++) {
count++;
}
int M = 10;
while ((M--) > 0) {
count++;
}
System.out.println(count);
}
程序操作执行了2N+1次,时间复杂度为O(N)
例2:计算func3的时间复杂度?
void func3(int N, int M) {
int count = 0;
for (int k = 0; k < M; k++) {
count++;
}
for (int k = 0; k < N ; k++) {
count++;
}
System.out.println(count);
}
程序操作执行了M+N次,时间复杂度为O(M+N)
例3:计算bubbleSort的时间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--){
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i);
sorted = false;
}
}
if (sorted == true) {
break;
}
}
}
程序操作最坏执行了(N*(N-1))/2次,则时间按复杂度为O(N^2)
例4:计算binarySerach的时间复杂度?
int binarySearch(int[] array, int value) {
int begin = 0;
int end = array.length - 1;
while (begin <= end) {
int mid = begin + ((end-begin) / 2);
if (array[mid] < value)
begin = mid + 1;
else if (array[mid] > value)
end = mid - 1;
else
return mid;
}
return -1;
}
N *(1/2^x)=1
N / 2^x = 1
N = 2^x
X = log2N
程序操作最坏执行log2N次
例5: 计算阶乘 递归 factorial的时间复杂度?
long factorial(int N) {
return N < 2 ? N : factorial(N-1) * N;
}
递归的时间复杂度 = 递归次数 * 每次递归后执行的次数
(N-1) * 1
所以时间复杂度为 O(N)
例6:计算斐波那契递归 的时间复杂度?
int fibonacci(int N) {
return N < 2 ? N : fibonacci(N-1)+fibonacci(N-2); }
!](https://img-blog.csdnimg.cn/6787b7fee5cd428da2aa5577d24a8682.png)
所以时间复杂度为 O(2^N)
空间复杂度
例1:计算bubbleSort的空间复杂度?
void bubbleSort(int[] array) {
for (int end = array.length; end > 0; end--) {
boolean sorted = true;
for (int i = 1; i < end; i++) {
if (array[i - 1] > array[i]) {
Swap(array, i - 1, i); sorted = false;
}
}
if (sorted == true) {
break;
}
创建数组,循环定义不算
没有增加额外空间,所以空间复杂度为 O(1)
例2:
int[] fibonacci(int n) {
long[] fibArray = new long[n + 1];
fibArray[0] = 0; fibArray[1] = 1;
for (int i = 2; i <= n ; i++) {
fibArray[i] = fibArray[i - 1] + fibArray [i - 2];
}
return fibArray;
}
long[N] 动态开辟了N个空间,空间复杂度为 O(N)
例3:计算阶乘递归Factorial的空间复杂度?
long factorial(int N) { return N < 2 ? N : factorial(N-1)*N; }
递归调用了N次,开辟了N个栈帧,每个栈帧开辟了常数个空间。空间复杂度为O(N)
例4:计算空间复杂度